MétaCan
Menu
Retour à la cohorte
Enregistrement W3103009293 · doi:10.1080/23800127.2020.1827516

“There are no days off, just days without shows”: precarious mobilities in the touring music industry

2020· article· en· W3103009293 sur OpenAlexaff
Adam Zendel

Notice bibliographique

RevueApplied Mobilities · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCultural Industries and Urban Development
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMobilitiesArtVisual artsArt historySociologySocial science

Résumé

récupéré en direct d'OpenAlex

The proliferation of online streaming music has led to a loss of income from the sale of recorded music pressuring artists and technicians to find alternate avenues to earn income, particularly through touring. Yet, there is little study on the lives and experiences of workers who tour. I use Lefebvre’s rhythmanalysis to analyze how the rhythm of “tour life” exposes workers to vulnerability and risk. Touring requires synchronizing the needs of daily life to an extreme form of employment-related geographical mobility. On tour, artists and workers struggle with basic self-care, eating, and sleeping in the context of constant travel. The rhythm of touring forces workers to be “always on” and always away in architectures that blur living and working space. The tour bus is a liminal space – neither home or worksite – yet features elements of both. Cultural work further produces an arrhythmic arrangement through the absorption of work into leisure time. For the public, travel or attending concerts are a form of leisure, the eurythmic counterpoint to their daily routines. For musicians and crew these are the quotidian elements of work. Working in the live music industry is seasonal, contractual and contingent on numerous cultural and economic forces. While touring music workers are an extreme case of employment related mobility, the rhythms of their working lives offer insight into the risk and vulnerability experienced by an increasingly mobile workforce.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,205
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,074
Tête enseignante GPT0,273
Écart entre enseignants0,199 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied MobilitiesMême sujetCultural Industries and Urban DevelopmentTravaux en français237 207